【学习】python函数语法（面像对象、封装函数）

阅读开源深度学习源码的时候，使用到了很多封装函数以及Python的高级语法，看起来很混乱很痛苦很困难。对python函数语法做个总结！！！

Table of Contents

1. 熟练Python语法，尤其是函数参数、迭代器与生成器、函数式编程、面向对象编程
2. 学会查看封装函数的具体实现

先看两个pythton关键字：

• in关键字：in关键字用于检查一个元素是否存在于一个集合中，如列表、元组、字典等。它通常与条件语句（如if语句）一起使用，也可以用在循环中。它是用来检查某个值是否在一个容器中的成员，比如：

   numbers = [1, 2, 3, 4, 5] if 3 in numbers:
      print("3 存在于列表中") else:
      print("3 不存在于列表中")
  
  

• range()函数：range()函数用于生成一个指定范围内的整数序列。它常与for循环结合使用，用来遍历一定范围内的整数。range()函数的语法是range(start,
  stop, step)，其中start是序列的起始值（默认为0），stop是序列的结束值（不包含），step是序列的步长（默认为1）。

  for i in range(5):
      print(i) ```
  
  

下面，进入正题！

1.Python语法

1.1 函数参数

1.1.1位置参数

位置参数就是平时用到最多的一种情况：实参与形参数量相等、位置对应。
举个例子：计算一个实数 x 的 n 次幂

def power(x, n):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

那么如果少一个参数或者位置不对应就达不到预期效果，甚至会报错。但我们平时用到的最多的就是 2 次幂，所以我们想即使少一个参数 n 也能达到预期效果，该怎么办呢？
答案是 使用默认参数。

1.1.2 默认参数

def power(x, n=2):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

使用默认参数要注意一下几点：

• 必选参数在前，默认参数在后，否则Python的解释器会报错（因为Python解释器会按照位从左至右的顺序去寻找）；
• 当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。

你可能会说：这虽然解决了参数数量问题，还是得考虑位置对应问题呀！是的，看个例子：

def enroll(name, gender, age=6, city='Beijing'):
    print('name:', name)
    print('gender:', gender)
    print('age:', age)
    print('city:', city)

所以，默认参数是按顺序提供的，即实参会与形参从左至右匹配，最后剩余没有匹配完的参数采用默认值。当然，也可以不按顺序提供部分默认参数，当不按顺序提供部分默认参数时，需要把参数名写上。
注： 定义默认参数要牢记一点：默认参数必须指向不变对象！ 因为可变参数会导致默认参数改变

1.1.3 可变参数

你是不是在想：在参数数量不相等的情况下靠默认参数对应，能不能实现不依赖参数数量呢？即参数数量随时可变！

使用方式：加一个*

def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

看！加一个 * 就实现可变参数的方式，其实在函数内部，参数numbers接收到的是一个tuple（元组）。

注：Python允许你在list或tuple前面加一个*号，把list或tuple的元素变成可变参数传进去。（1.1.4节关键字参数也一样）

1.1.4 关键字参数

可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple。
而关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。

使用方式：加两个**

注：当没有关键字参数时默认是一个空字典{}。
关键字参数有什么用？它可以扩展函数的功能。就像上面所说的，他真正实现了“不依赖于参数数量与参数位置”，可以任意添加参数。

1.2 生成器 （暂时没遇到过，不太清楚）

掌握生成器你必须理解两个问题：

1. 什么是生成器？
2. 为什么需要生成器？

1.2.1 什么是生成器？

在Python中，一边循环一边计算的机制就是生成器（generator）。那么如何创建 generator 呢？
方法一：把一个列表生成式的 [ ] 改成 () 。

注：generator 也是可迭代对象，因此可以通过 for 循环来遍历迭代器中每一个元素。

方法二：计算规则过于复杂，用列表生成式写不出来时，可以用函数实现。

注：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

回顾一下，列表元素可以按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这有什么用呢？这样就不必创建完整的list，从而节省大量的空间。
因此，生成器可以创建很大容量的数据对象，但是不需要很大的存储空间。

上面例子可以充分体现生成器一个应用：用于生成训练数据，每调用一次生成一个batch的数据。

1.3 函数式编程

函数是编程是Python中极为重要的，主要包括高阶函数、匿名函数、返回函数、装饰器与偏函数。
这里详细介绍一下装饰器（decorator），也是项目中的一个常用方法。
装饰器是什么？ 在不希望修改函数的定义，在代码运行期间动态增加函数功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数。
怎么去使用装饰器呢？ decorator接受一个函数作为参数，并返回一个函数。 借助Python的@语法，把decorator置于函数的定义处，实现功能扩展的目的。

在我另一篇博客有关于装饰器的理解与介绍：python装饰器

可以看到，now() 函数功能是打印今天的日期，log() 是定义的一个装饰器，借助@将装饰器置于函数now() 的定义处，是的now() 具有打印日志的功能。

但是这个原理是怎么样的呢？ 千万不要以为是按顺序依次地调用了两个函数！

把 @log 放到 now() 函数的定义处，相当于执行了语句：now = log(now)

由于 log() 是一个decorator，返回一个函数，所以，原来的 now() 函数仍然存在，只是现在同名的 now 变量指向了新的函数，于是调用 now() 将执行新函数，即在log()函数中返回的wrapper()函数。

wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
所以原始函数 now() 的功能是在装饰器中实现的，通过传入的参数（是一个函数）来实现的。

你应该知道下面代码是如何运行的了。

1.4 面向对象编程

面向对象的三个基本特征是：封装、继承、多态。面向对象的优势只有在实战中才能感受，就不多说空洞的话了！

注意：@property，多重继承、定制类、枚举类、元类等都是面向对象编程的重要知识点。

2. 封装函数

在深度学习框架中，我们可以看见基本都是封装的函数，在查看官方文档弄清楚函数功能之后，我们要读封装函数的具体实现。
比如 keras 中 fit_generator() 函数

如何进入函数内部呢？Ctrl+鼠标左键！（pycharm中）
进入到函数定义处如下：